农业卫星

AI 摘要：农业卫星是指以农作物、土壤和农业环境为主要观测对象的遥感卫星，通过多光谱、高光谱和红外载荷获取作物光谱特征，服务于种植面积监测、长势评估、产量预测和精准农业管理。其核心原理是利用植被在可见光与近红外波段的反射差异构建植被指数，定量反演叶面积指数和生物量。高分六号是中国首颗精准农业观测卫星，首次配置“红边”波段，可精细识别玉米、大豆、棉花等同期生长作物。卫星与无人机、地面物联网结合的天空地一体化监测体系正在推动农业生产从“人跑眼看”向“卫星巡田”转变。

一句话定义

农业卫星是指以农作物、土壤和农业环境为主要观测对象，通过搭载多光谱、高光谱和红外等遥感载荷，获取地物光谱反射信息并反演作物长势、种植面积和土壤墒情等参数，服务于农业生产管理和决策的遥感卫星。

概念边界：农业卫星与资源卫星、环境卫星的区别

农业卫星与资源卫星、环境卫星同属对地观测卫星，但观测对象和任务定位不同。资源卫星的观测重心是陆地自然资源——土地利用、植被、矿产、水体，服务于资源调查和测绘。环境卫星的观测重心是环境质量——大气污染物、水质、生态退化。农业卫星的观测重心是农作物和农业环境——种植面积、长势、产量、土壤墒情，服务于农业生产管理。

这一区别在载荷配置上体现得最为明显。农业卫星对光谱波段有特殊要求：作物识别和长势监测依赖红光与近红外波段的反射差异，作物类型精细识别需要“红边”波段（约700–750 nm），土壤墒情监测需要热红外波段。高分六号卫星首次在国产卫星中配置红边波段，正是为了满足精准农业观测的光谱需求-3-13。

核心原理：植被指数与光谱反演

农业卫星的核心工作原理是利用植被的光谱特性。绿色植被在可见光红光波段（约0.66 μm）有强烈的叶绿素吸收，在近红外波段（约0.83 μm）因叶片内部结构产生高反射。这一“红边”特征——红光波段反射率骤降、近红外波段反射率骤升——是遥感识别植被和评估长势的物理基础。

归一化差异植被指数（NDVI） 是农业遥感中最广泛使用的指标，定义为近红外反射率与红光反射率之差除以两者之和。NDVI与叶面积指数和生物量呈正相关，数值越高表示植被覆盖度越大、长势越旺盛。通过时间序列的NDVI曲线，可以构建作物的生长轨迹，识别生长异常并预测产量-1-7。

红边波段是精准农业观测的关键光谱窗口。红边位于红光吸收与近红外反射之间的过渡区域（约700–750 nm），作物在红边波段的反射率变化对叶绿素含量和氮素胁迫极为敏感。高分六号配置红边波段后，能够显著提升对玉米、大豆、棉花等同期生长作物的精细识别能力，实现田块级的作物分类-3-6。

土壤墒情反演利用热红外波段测量地表温度，结合植被指数构建干旱指数。土壤水分不足时，作物气孔关闭导致蒸腾减少，地表温度升高，热红外遥感可以捕捉这一信号。微波遥感（如SMAP卫星）可直接测量表层土壤湿度，是光学方法在云雨天气下的互补手段-1。

关键参数与典型系统

空间分辨率决定农业卫星的观测尺度。高分六号配置2米全色/8米多光谱高分辨率相机（幅宽90公里）和16米多光谱宽幅相机（幅宽800公里），实现了高分辨率与宽覆盖的结合-3-13。高分辨率相机用于田块级作物精细识别，宽幅相机用于大范围种植面积监测和长势评估。

光谱配置是农业卫星区别于通用遥感卫星的核心特征。高分六号在传统多光谱波段基础上增加红边波段，使作物分类精度显著提升。WorldView-3搭载29个波段（可见光至短波红外），其中短波红外波段对叶片含水量敏感，可用于作物水分胁迫的早期检测-5-10。

时间分辨率决定对作物生长过程的跟踪能力。高分六号与高分一号组网后，数据获取时间分辨率从4天缩短至2天-3-8。山东省农业科学院构建的监测体系实现了“县域2米、5天”和“省域10米、7天”的高频立体监测能力，天、空、地三者叠加形成密而不漏的监测网络-9。

核心应用：从面积监测到精准管理

农业卫星的应用覆盖农业生产管理的全链条，按任务类型可分为四个层次。

种植面积监测与作物识别是农业卫星最基础的应用。通过多时相影像分析，利用不同作物在生长周期内的光谱特征差异实现自动分类。美国农业部的Cropland Data Layer项目利用Landsat和Sentinel-2数据生成全美30米分辨率作物分类图，准确率超过85%-1。中国农业农村部利用高分卫星数据监测全国冬小麦和北方水稻种植面积，高分卫星数据已全部取代国外同类数据-13-16。

长势监测与产量预测是农业卫星的核心价值所在。通过NDVI时间序列分析，可以监测作物叶面积指数、叶绿素含量和氮素累积量。中国农业农村部利用高分卫星数据和MODIS数据建立全国主要粮食作物长势监测系统，能够提前1–2个月预测产量，准确率达到90%以上-1。遥感估产结合作物生长模型（如DSSAT）和辐射传输模型（如PROSAIL），通过同化方法提高大区域产量估算精度-12。

精准农业管理利用高分辨率卫星数据生成变量施肥处方图。北大荒集团鹤山农场的实践表明，多源卫星遥感对土壤有机质、碱解氮、有效磷等五项指标的反演精度达到82.6%–88.3%，能够支撑大田施肥生产决策。系统自动生成变量施肥处方图，智能施肥机读取后动态调整施肥量，实现“因地供肥、按需补给”-4。卫星遥感指导的精准农业系统平均可减少15%–20%的化肥使用量，同时提高约10%的产量-1。

农业灾害监测与评估利用卫星遥感快速识别受灾范围。干旱监测通过热红外波段反演地表温度并结合植被指数构建干旱指数，洪涝评估利用雷达卫星的全天候成像能力，病虫害预警通过光谱特征异常识别发生区域。2020年东非蝗灾期间，联合国粮农组织利用卫星遥感成功预测蝗虫迁移路径-1。

适用与限制

农业卫星适用于大面积农田的宏观监测和精准管理。中国耕地面积超过1亿亩的省份需要卫星遥感来实现全覆盖监测，传统的人力巡查方式效率低下且成本高昂。卫星遥感对万亩以上大型农田的服务价格远低于其他技术手段-6。吉林省永吉县的实践表明，卫星数据结合无人机和地面传感器构建的三维管控体系，实现了灌浆期水分管控的精准调度，一部手机即可远程掌握全田长势-19。

农业卫星的限制来自光谱反演的不确定性和云层遮挡的干扰。光谱混合效应使卫星像元中往往包含作物、土壤和阴影的混合信号，纯作物像元的提取需要复杂的解混算法。大气影响改变了地物反射的光谱特征，大气校正的精度直接影响反演结果的可靠性。云层遮挡是光学农业卫星的固有约束，中国南方多云多雨地区的有效观测窗口有限，需要雷达卫星作为补充。地块破碎化是中国农业卫星应用的独特挑战，南方丘陵地区田块面积小、种植结构复杂，对空间分辨率的要求高于北方平原地区。数据到决策的转化是应用端的瓶颈，从卫星影像到施肥处方图需要经过辐射定标、大气校正、植被指数计算、模型反演等多个环节，每个环节的误差都会累积。

常见问题 FAQ

农业卫星和普通遥感卫星有什么区别？

农业卫星的核心特征在于光谱配置和任务定位。普通遥感卫星的光谱波段设计以通用性为目标，覆盖可见光至短波红外的几个宽波段。农业卫星针对作物的光谱特性进行优化，配置红边波段以提升作物识别精度，配置热红外波段用于土壤墒情反演。高分六号作为中国首颗精准农业观测卫星，首次在国产卫星中增加红边波段，能够精细识别玉米、大豆、棉花等同期生长的作物-3-6。

卫星怎么“看”出庄稼长得好不好？

卫星通过测量作物反射的光谱来判断长势。健康的绿色植被在红光波段有强烈的叶绿素吸收，在近红外波段因叶片内部结构产生高反射。卫星计算近红外与红光反射率的差异得到归一化植被指数（NDVI），NDVI值越高表示叶面积越大、长势越旺盛。通过时间序列的NDVI曲线，可以构建作物的生长轨迹，识别生长异常并预测产量-1-7。山东省的监测平台将长势良好的作物标注为深绿色，有问题标红色，比同期长势慢的标黄色，直观呈现农田健康状况-14。

农业卫星的数据能直接指导施肥吗？

可以，但需要经过模型反演和处方图生成。北大荒集团鹤山农场的实践展示了这一完整流程：多源卫星遥感反演土壤有机质、碱解氮、有效磷、速效钾、pH五项指标，反演精度达到82.6%–88.3%。系统结合地块目标产量和多年施肥经验，自动测算养分总量并生成变量施肥处方图。田间作业时，智能变量施肥机读取处方图，动态调整不同区域的施肥量，实现“因地供肥、按需补给”-4。这一模式使肥力偏高地块不再肥料冗余流失，贫瘠地块得到精准补给。

相关条目

• 遥感原理（航天）
• 光学遥感（航天）
• 高光谱遥感（航天）
• 资源卫星
• 环境卫星